詳細解釋
探索與利用（Exploration vs Exploitation）是強化學習的核心權衡：嘗試新事物 vs 使用已知最佳策略。
困境：
- 純利用：可能錯過更好選擇
- 純探索：浪費時間在差選項
- 需平衡以最大化長期回報
策略：
- ε-貪婪：以ε機率隨機，1-ε機率最優
- 上界置信（UCB）：選不確定性高的
- 湯普森採樣：依機率分佈採樣
- 玻爾茲曼探索：依Q值軟最大化
應用場景：
- 推薦系統：推新物品 vs 熱門物品
- 廣告投放：試新策略 vs 穩定收益
- 臨床試驗：試新藥 vs 已知有效藥
- A/B測試：探索轉化率
理論：
- 多臂賭博機問題
- 遺憾（Regret）最小化
- 對數遺憾是最優
實務：
- 初期多探索
- 後期多利用
- 環境變化需重新探索
是決策算法的經典問題。